对于椎脊椎放射学深度学习:自动测量脊椎间和神经前距离的自动测量
Ya-Yun Huang1, Hong-Kai Wang2, Tsun-Kuang Chi3
1Program on Semiconductor Manufacturing Technology, Academy of Innovative Semiconductor and Sustainable Manufacturing, National Cheng Kung University, Tainan City 701401, Taiwan.
Diagnostics (Basel, Switzerland)
|September 13, 2025
概括
这项研究引入了用于椎椎本地化和神经前距离测量的自动化系统,提高了脊椎退行性疾病的诊断效率.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 脊柱诊断 脊柱诊断 脊柱诊断 脊柱诊断
背景情况:
- 宫退行性疾病随着人口老龄化而增加.
- 宫椎 (C2-C7) 的精确定位对于诊断诸如OPLL和神经压缩等疾病至关重要.
- 手动注释X射线是耗时的,并与大型数据集作斗争.
研究的目的:
- 开发一种用于椎椎本地化的自动化方法.
- 测量神经前距离和脊椎间空间,以评估神经压缩.
- 加强早期检测退行性脊柱变化.
主要方法:
- 应用了图像增强技术.
- YOLOv8用于椎椎检测和细分.
- 进行了神经孔隙距离和椎间盘间隙的自动分析.
主要成果:
- 在脊柱定位方面取得了99.5%的准确性,改善了11.7%.
- 在识别C7脊椎方面达到100%的准确性,比以前的方法有66.67%的改进.
- 在17.9毫秒内处理每张X射线图像.
结论:
- 自动化系统大大简化了诊断工作流程.
- 这种方法提高了椎脊柱疾病的整体诊断效率.
- 有助于快速检测退行性变化,并有助于治疗计划.
